[发明专利]基于多层次框架的三维全层位自动追踪方法

说明书

技术领域

本发明涉及一种层位自动追踪方法，特别涉及一种基于多层次框架的三维全层位自动追踪方法。

背景技术

随着经济的发展和科学技术的进步，人们对石油和天然气等矿产资源的需求日益增大，虽然新能源的出现减少了人们对传统资源的依赖，但是石油和天然仍然是人们赖以生存的最重要的资源，石油资源深埋在地下几千米处，寻找深藏在地下几千米的油气田并不是一件容易的事情，目前探测油气田最主要的方法是地震勘探，地震勘探是在地面上人工激发地震波，地震波经过不同的地质结构反射后返回地面，被地面上的接收传感器接收，并把地震波记录下来，地震勘探的第二阶段是根据实际地震特性对接收传感器记录下来的地震信号加工处理，去除噪声，形成三维地震图像，地震勘探的最后一个阶段是地震解释，就是根据地震图像分析和预测地质结构，判断和识别油气储藏区。

地震解释是关于地下结构与属性的建模和预测过程，地下沉积层根据不同的岩石特性和形成年代分成若干层次，这种层次结构在地震数据中的直观反应是层位，层位解释一直是地震解释中非常重要的一部分，精准、有效的层位解释对于地下储层的分析有非常重要的支撑作用。传统的层位解释一直是靠人工解释，人工解释工作量大、耗费时间长，而且人工解释受解释人员主观意识影响、可验证性差。现存的自动追踪技术只能在地层构造比较简单的情况下达到构造解释的要求，并不能解释复杂的地质构造。

层位识别和追踪是地震解释中很重要的一部分，层位追踪主要是追踪地震图像中的同相轴，传统的层位追踪主要依靠地质工作者人工解释，人工解释工作量大、耗时久，而且无法避免主观性的影响，近年来出现了很多层位自动追踪方法，这些方法主要有基于相关方法、基于人工神经网络、基于遗传算法和基于有限混合高斯的层位追踪技术等。基于相关方法的层位追踪技术首先提取层位波形特征，通过波形特征的相关性来表示层位波形的相似程度，相关性方法认为相关系数大的波形属于同一个层位，实验表明相关性方法可以识别出一些明显的层位，但是明显的缺陷就是追踪出来的层位不够完整。基于人工神经网络的层位追踪技术把层位追踪问题转化为模式识别问题，人工神经网络用大量的训练样本来训练网络，然后用得到的训练模型对地震图像进行特征分类，人工神经网络方法可以识别明显的地质特征，但是追踪效果的好坏主要取决于训练样本集的选择，在训练过程中需要的大量的人工干预，而且耗费时间较长，可解释性差。基于遗传算法的层位追踪技术主要是对地震图像进行模型分析，把层位追踪问题转化为约束最优化问题，然后用遗传算法来求解，基于遗传算法的层位追踪技术主要问题是对复杂地质结构的逼近和求解的精度不够。基于有限混合高斯的层位追踪技术把层位追踪问题转化为特征集的聚类问题，认为波形特征聚在同一类的层位点属于同一个层位，这种方法有很好的跨越断层的能力，但是需要大量的人工干预。总之，现存的层位追踪技术在效果和自动化程度上很难达到地震勘探的要求，本发明提出一种新的三维全层位自动追踪技术，实际应用表明本发明能够满足地震勘探的需要。

发明内容

本发明的目的在于克服现有技术的不足，提供一种提出一种层位追踪的新方法，实现了在复杂地质结构中精确地三维全层位追踪，充分利用了地震数据的波形特性、层位位置分布特性和层位间相互关系，提高了地震解释工作的效率和效果的基于多层次框架的三维全层位自动追踪方法。

本发明的目的是通过以下技术方案来实现的：基于多层次框架的三维全层位自动追踪方法，包括以下步骤：

S1：输入地震数据；

S2：对输入的数据进行预处理，得到需要追踪区域的所有的层位极值点的位置；

S3：利用基于层位极值点连接的层位片段生成算法对极值点进行处理，把极值点连接成层位块；

S4：使用基于层位片段合并的层位面融合算法对步骤S3产生的层位块进行进一步的连接，生成大的层位；

S5：使用专家系统对层位进行修正，得到最终追踪结果；

S6：输出全层位追踪得到的层位。